基于调和模型的连续Hopfield神经网络次优图像复原
本文提出了一种基于调和模型的连续Hopfield神经网络正则化次优图像复原算法.针对传统正则化图像复原由于“模糊矩阵”和“高通滤波器”规模庞大而带来的复原过程中占用存储资源多的问题,提出了一种基于部分图像信息的次优复原算法,该算法能在性能下降不大的前提下,较好地解决传统复原资源消耗问题.同时算法采用由梯度算子生成的调和模型作为正则项,能在复原的同时保留图像边缘.仿真结果表明了算法的有效性.
图像复原、调和模型、Hopfield神经网络、正则化、次优算法
37
P23;TP18(摄影测量学与测绘遥感)
2012-08-31(万方平台首次上网日期,不代表论文的发表时间)
共3页
121-123